الگوی های هوش مصنوعی

مقاله حاضر قدرت توضیحی اطلاعات حسابداری مالی شامل فعالیت های عملیاتی، تأمین مالی و سرمایه گذاری را در پیش بینی تغییرات تولید ناخالص داخلی (رشد اقتصادی) اندازه گیری می کند. بدین منظور با تفکیک تولید ناخالص داخلی به چهار بخش اصلی اقتصاد (کشاورزی، خدمات، نفت و صنعت و معدن) سعی در ارائه رویکردی نوین در پیش بینی متغیرهای اقتصادی است. تعداد زیاد، ناشناخته بودن عوامل مؤثر و همچنین وجود روابط غیرخطی میان اطلاعات حسابداری و اقتصادی منجر به این شده است تا از ترکیبات متعدد الگوی های هوش مصنوعی شامل شبکه های عصبی، الگوریتم ژنتیک و الگوریتم پرواز پرندگان استفاده شود. نتایج برآورد الگوی های مذکور بازه زمانی ۱۳۸۵ الی ۱۳۹5 نشان می دهد که الگوی ترکیبی شبکه عصبی و الگوریتم پرواز پرندگان از دقت بیشتری در قیاس با الگوی ترکیبی شبکه عصبی و الگوریتم ژنتیک برخوردار است. همچنین نتایج بیانگر آن است که اثربخشی فعالیت های عملیاتی خصوصاً سودهای حسابداری در پیش بینی تولید ناخالص داخلی بیشتر از فعالیت های تأمین مالی و سرمایه گذاری است. علاوه بر این، نتایج دلالت بر آن دارد که از میان بخش های مختلف اقتصادی، ارتباط میان اطلاعات حسابداری و بخش صنعت و معدن قابل ملاحظه تر است. پیامد اصلی پژوهش حاضر ارتباط مؤثر میان اطلاعات حسابداری و اقتصادی است که باید در تصمیم گیری های مالی و اقتصادی لحاظ گردد.